基于分割语义引导对比学习的SAR到光学图像转换方法

本发明公开了一种基于分割语义引导对比学习的SAR到光学图像转换方法，通过引入预训练的分割网络提取SAR与光学图像的语义特征，实现跨模态语义空间的显式对齐，提升生成图像的语义一致性与结构保真度；同时，提出基于语义类别约束的块级对比损失机制，在保持空间信息完整性的同时，加强同类地物区域特征的聚合表达，提升对复杂遥感场景中多实例目标的建模能力。此外，提出分割循环损失，通过将生成的光学图像和原始SAR图像再次输入语义分割模型，输出两者的语义标签再进行一致性约束，构建跨模态闭环优化机制，从而进一步增强生成图像的语义可分性与结构可逆性；该方法在训练阶段联合引入多层语义引导、对比约束与分割循环约束，优化生成器对遥感图像中空间分布、地物边界与类别语义的多维感知；在推理阶段则无需引入辅助模块，可高效输出结构清晰、语义明确的光学图像。本发明可显著提升SAR图像的可视化表达能力及下游遥感任务的适应性，具有良好的泛化能力与工程实用前景。